随着网络通讯技术和计算机技术的快速发展，各种面向复杂应用背景的多传感器系统大量涌现。网络传输技术被广泛应用于航空航天、军事、工业等各个领域。然而，在实际应用系统中，由于传输通道的多变性和通信的不可靠性，时滞现象是不可忽视的。针对含有时滞的系统，传统Kalman估计理论已经不能适用。本文利用射影理论和线性最小方差意义下的加权融合算法，对时滞系统的融合估计问题提出了如下创新性研究成果：对带观测常时滞的多传感器线性离散系统，通过非增广方法将观测常时滞线性离散系统转化为无时滞的新系统，首先对单传感器系统提出了最优Kalman估值器。推导出任两个子系统的局部估计误差互协方差阵。进而，给出了分布式加权信息融合估值器。对带有随机无序航迹的多传感器线性离散系统，在局部状态滤波估计向融合处理中心传输的过程中发生随机时滞，利用当前时刻到达融合中心的最新局部估值进行融合，如果在当前时刻没有接收到当前时刻的局部估值，则用上一时刻的局部滤波进行预报，进而利用避免计算互协方差阵的CI算法进行融合估计。对带有随机无序观测的多传感器线性离散系统，系统模型中的观测时滞用一个服从Bernoulli分布的随机变量进行刻画。首先对单传感器系统提出线性最小方差最优线性滤波器。推导出任两个子系统的局部估计误差互协方差阵。进而，提出了分布式加权信息融合估值器。